Olen käyttänyt suurimman osan ajastani käytettyihin autoihin — 1.1 miljoonaa ilmoitusta, 73 aluetta, tavanomainen hintapudotusten ja uudelleenlistausten pyörre. Joten kun kiinteistödata alkoi ilmestyä samoihin dashboardeihin, joita käytän autoihin, en odottanut sen vievän huomiotani. Se vei, mutta syistä, joilla ei ollut mitään tekemistä suunnitelman kanssa.
Tässä on lokini, suunnilleen siinä järjestyksessä kuin asiat oikeasti huomasin.
Päivä yksi: luku joka ei liiku
Ensimmäinen asia, jonka tarkistan mistä tahansa uudesta syötteestä, on kokonaismäärä, sillä kokonaisluvut valehtelevat tässä bisneksessä vähiten kaikesta. Kiinteistöjä oli 601,702 ilmoitusta. Selvä. Sitten jaoin sen alueittain, ja luku lakkasi näyttämästä globaalilta lanseeraukselta ja alkoi näyttää yhden maan projektilta, johon oli liimattu pyöristysvirhe: pelkästään Japani vastasi 588,644 ilmoituksesta. Se on 97.8% koko syötteestä.
Vertailun vuoksi: autodatamme kattaa 73 aluetta, joista yksikään ei ylitä 6% kokonaismäärästä (Ranska, suurimpamme, on 67,569 kappaletta 1.1 miljoonasta — noin 6.1%). Kiinteistödata pyörii kuusitoista kertaa tuota keskittymää tiiviimpänä. Pohdin edestakaisin, oliko kyseessä bugi aluetunnistimessa, ennen kuin muistin, mikä sitä oikeasti ajaa: Japanin omat kiinteistöportaalit listaavat valtavan määrän akiya-taloja, hylättyjä tai lähes hylättyjä maaseudun koteja, joita hallitus on yrittänyt saada kaupaksi vuosia, usein hintaan, joka saa käytetyn Corollan näyttämään ylellisyysostokselta. Portaalit ovat perusteellisia, koneluettavia ja valtavia. Muiden portaalit eivät vielä ole.
Päivä kaksi: loput 2.2% jäljillä
Halusin tietää, miltä "kaikki muut" näyttivät, joten poimin Japanin ulkopuoliset alueet ja asetin ne riviin.
Egypti nipin napin ohittaa Saksan, mikä yllätti minut — olisin veikannut, että ison, hyvin dokumentoidun markkinan kuten Saksan pitäisi hallita satunnaisotosta ennen Kairoa. Myös Sri Lanka pitää tasaisesti neljän numeron lukemaa. Sitten tulee jyrkänne: neljä Keski-Amerikan maata — Guatemala, Nicaragua, Panama ja El Salvador — jäävät lukemiin 80, 80, 80 ja 78.
Päivä kolme: kolme identtistä lukua ei ole koskaan sattumaa
Se jyrkänne oikeastaan pysäytti minut. Kolmen maan päätyminen täsmälleen samaan lukemaan ei ole markkinasignaali, vaan sormenjälki. Kun Guatemala, Nicaragua ja Panama näyttävät kaikki tarkalleen 80 ilmoitusta, kyse ei ole kolmesta taloudesta, jotka sattumalta päätyvät samaan varastokokoon — kyse on yhdestä ylävirran lähteestä, jolla on kova 80 ilmoituksen sivukatto, joka syöttää kaikkia kolmea samalla tavalla. El Salvadorin 78 on todiste, joka vahvistaa asian: tarpeeksi lähellä ollakseen sama lähde, tarpeeksi erilainen todistaakseen, ettei kyse ole omaan putkeemme livahtaneesta kopiointivirheestä. Jossain on alueellinen kiinteistöaggregaattori, joka rajaa ilmaiset tulossivut noin 80 ilmoitukseen maata kohden, ja ennen kuin kierrämme sen — hankimme datan suoraan lähteestä aggregaattorin sijaan, tai selaamme sivutuksen läpi mistä tahansa muurista se rakentaakin — nuo neljä maata näyttävät yhtä pieniltä riippumatta siitä, miltä niiden todelliset markkinat näyttävät.
Tämä on minkä tahansa uuden datajoukon rehellisen rakentamisen epäglamouri osuus: ensimmäiset saamasi luvut eivät ole markkina, vaan nykyisten lähteidesi muoto. Haluan mieluummin huomata sen viikolla yksi kuin julkaista "Keski-Amerikan pienimmät kiinteistömarkkinat" -postauksen, joka perustuu scraperin sivurajoitukseen.
Päivä neljä: mikä minua oikeasti yllätti
Ei Japanin keskittymä — olin puoliksi odottanut sitä jo etukäteen, kun otetaan huomioon, kuinka suuri osa omasta kiinteistösignaalistamme tuli jo japanilaisista lähteistä bisneksen autopuolella. Minua yllätti se, kuinka luettavissa datan laatuongelma oli ilman mitään erikoistyökaluja. Kolmen peräkkäisen 80:n huomaamiseen ei tarvita tilastotieteen taustaa. Tarvitsee vain katsoa lukuja järjestyksessä, mikä on itse asiassa suurin osa tätä työtä.
Se myös asetti uuteen valoon jotain autodatastamme, jonka olin lakannut huomaamasta, koska olen tottunut siihen: 73 aluetta, joilla on aito hajonta, ei yhtään aluetta yli 6.1%:n, 1,375 riippumatonta lähdettä syöttämässä sitä — tuo jakauma ei ole scrapatun datajoukon luonnollinen tila, vaan kahdeksan vuotta tietoista kiertämistä juuri sellaisen aggregaattorimuurin ympäri, joka juuri ilmestyi kiinteistösyötteen kolmantena päivänä. Jokainen noista 73 alueesta näytti alun perin Guatemalalta.
Missä asiat ovat nyt
Kiinteistöt ei ole vielä tuote — se on signaali, jota tarkkailemme autopuolen pyöriessä eteenpäin, yksi rivi pidemmällä tiekartalla kohti laajempaa kiinteistökattavuutta. Mutta viikko sen täyttymisen seuraamista oli kelpo muistutus siitä, missä järjestyksessä asiat oikeasti tapahtuvat: saa syöte elävään, ala epäillä pyöreitä lukuja, löydä muuri, ja rakenna sitten tie sen ohi. Japani lakkaa olemasta 97.8% tästä syötteestä samalla tavalla kuin Ranska — ei Arabiemiirikunnat tai Japani — päätyi autolukumme kärkeen: lisäämällä lähteitä, kunnes yksikään ei voi vahingossa hallita kokonaismäärää.
